Banyak proyek yang muncul dari bengkel eksperimental Google, X Labs, tampak seperti fiksi ilmiah. Google Glass menjanjikan komputer yang dapat dikenakan yang menambah pandangan kita tentang dunia dengan teknologi, tetapi realitas Google Glass belum memenuhi janjinya. Proyek X Labs lain yang tidak mengecewakan adalah mobil self-driving. Terlepas dari janji fantastik dari mobil tanpa pengemudi, kendaraan ini adalah kenyataan. Pencapaian luar biasa ini bergantung pada teknologi SLAM.
SLAM: Pelokalan dan Pemetaan Secara Simultan
SLAM adalah singkatan dari simultaneous localization and mapping, sebuah teknologi di mana robot atau perangkat dapat membuat peta lingkungannya dan mengorientasikan dirinya dengan benar di dalam peta secara real time. Ini bukanlah tugas yang mudah, dan saat ini ada di garis depan penelitian dan desain teknologi. Hambatan besar untuk berhasil menerapkan teknologi SLAM adalah masalah ayam-dan-telur yang diperkenalkan oleh dua tugas yang diperlukan. Untuk berhasil memetakan suatu lingkungan, Anda harus mengetahui orientasi dan posisi Anda di dalamnya; namun, informasi ini hanya diperoleh dari peta lingkungan yang sudah ada sebelumnya.
Bagaimana SLAM Bekerja
Teknologi SLAM biasanya mengatasi masalah ayam dan telur yang rumit ini dengan membuat peta lingkungan yang sudah ada sebelumnya menggunakan data GPS. Peta ini kemudian disempurnakan saat robot atau perangkat bergerak melalui lingkungan. Tantangan sebenarnya dari teknologi ini adalah akurasi. Pengukuran harus terus-menerus dilakukan saat robot atau perangkat bergerak melalui ruang, dan teknologi harus memperhitungkan “kebisingan” yang ditimbulkan oleh pergerakan perangkat dan ketidakakuratan metode pengukuran. Hal ini membuat teknologi SLAM sebagian besar merupakan masalah pengukuran dan matematika.
Pengukuran dan Matematika
Mobil self-driving Google adalah contoh pengukuran dan matematika dalam tindakan. Mobil terutama melakukan pengukuran menggunakan rakitan LIDAR (radar laser) yang dipasang di atap, yang dapat membuat peta 3D di sekelilingnya hingga 10 kali per detik. Frekuensi evaluasi ini sangat penting karena mobil bergerak dengan kecepatan tinggi. Pengukuran ini digunakan untuk menambah peta GPS yang sudah ada sebelumnya, yang dikenal sebagai pemeliharaan Google sebagai bagian dari layanan Google Maps. Pembacaan membuat sejumlah besar data, dan menghasilkan makna dari data ini untuk membuat keputusan mengemudi adalah pekerjaan statistik. Software pada mobil menggunakan statistik canggih, termasuk model Monte Carlo dan filter Bayesian untuk memetakan lingkungan secara akurat.
Implikasi untuk Augmented Reality
Kendaraan otonom adalah aplikasi utama yang jelas dari teknologi SLAM. Namun, penggunaan yang kurang jelas mungkin ada di dunia teknologi yang dapat dikenakan dan augmented reality. Sementara Google Glass dapat menggunakan data GPS untuk memberikan posisi kasar pengguna, perangkat serupa di masa depan dapat menggunakan teknologi SLAM untuk membuat peta lingkungan pengguna yang jauh lebih kompleks. Ini dapat mencakup pemahaman tentang apa yang sebenarnya dilihat pengguna dengan perangkat tersebut. Itu bisa mengenali ketika pengguna melihat tengara, etalase, atau iklan, dan menggunakan informasi itu untuk memberikan overlay augmented reality. Meskipun fitur-fitur ini mungkin terdengar jauh, proyek MIT telah mengembangkan salah satu contoh pertama perangkat teknologi SLAM yang dapat dikenakan.
Teknologi Yang Memahami Ruang
Belum lama ini teknologi menjadi terminal tetap dan stasioner yang kami gunakan di rumah dan kantor kami. Sekarang teknologi selalu hadir dan mobile. Tren ini pasti akan berlanjut karena teknologi terus mengecil dan terjalin dalam aktivitas kita sehari-hari. Karena tren inilah teknologi SLAM menjadi semakin penting. Tidak lama lagi kita berharap teknologi kita tidak hanya memahami lingkungan kita saat kita bergerak, tetapi juga untuk memandu kita melalui kehidupan kita sehari-hari.